d. Pada pertanyaan 4, tidak ada responden yang menyatakan sangat tidak setuju
dan tidak setuju, yang menyatakan kurang setuju sebesar 4 responden, setuju sebesar 46 responden, dan sangat setuju sebesar 30 responden.
e. Pada pertanyaan 5, tidak ada responden yang menyatakan sangat tidak setuju,
2 responden yang menyatakan tidak setuju, kurang setuju sebesar 6 responden, setuju sebesar 28 responden, dan sangat setuju sebesar 44 responden.
4.2.3. Analisis Regresi Linier Berganda
Metode ini berfungsi untuk mengetahui pengaruhhubungan antara variabel independent komponen komunikasi dan gaya kepemimpinan dan
variabel dependent Kinerja karyawan akan menggunakan multiple regression analysis. Seluruh variabel akan dimasukkan kedalam analisis untuk mengetahui
apakah variabel dependent mempunyai pengaruh yang positif dan signifikan terhadap variabel dependent.
Sebelum melakukan analisis regresi berganda, penulis melakukan pengujian asumsi klasik. Pengujian ini dilakukan untuk mendapatkan hasil yang
BLUE Best Linier Unbiased Estimation atau perkiraan yang efisien dan tidak bias. Kriteria pengujian asumsi klasik yang harus dipenuhi yaitu :
1. Uji Normalitas Uji normalitas bertujuan untuk mengetahui apakah residual yang diteliti
derdistribusi normal atau tidak. Distribusi data tidak normal karena terdapat nilai eksterm data yang diambil. Pada uji ini ada dua cara yang
dapat digunakan, yaitua:
Universitas Sumatera Utara
a. Analisis Grafik Normalitas data dapat dilihat melalui penyebaran titik pada sumbu
diagonal dari P-Plot atau dengan melihat histogram dari residualnya. Dasar pengambilan keputusan sebagai berikut :
• Apabila data menyebar disekitar garis diagonal dan mengikuti arah
garis diagonal atau grafik histogramnya menunjukkan pola distribusi normal maka model regresi memenuhi asumsi normalitas.
• Apabila data menyebar jauh dari garis diagonal dan tidak mengikuti
arah garis diagonal atau grafik histogramnya tidak menunjukkan pola distribusi normal maka model regresi tidak memenuhi asumsi
normalitas. Berikut hasil analisis grafik P-Plot uji normalitas
Gambar 4.1 : Uji Normal P-Plot Of Regression Standardized Residual Sumber : Hasil Perhitungan SPSS 2011
Observed Cum Prob
1.0 0.8
0.6 0.4
0.2 0.0
E xp
ec te
d C
um P
ro b
1.0 0.8
0.6 0.4
0.2 0.0
Normal P-P Plot of Regression Standardized Residual Dependent Variable: hasil belajar
Dependent Variable : Kinerja Karyawan
Universitas Sumatera Utara
Gambar 4.1 di atas menunjukkan bahwa titik-titik menyebar disekitar garis diagonal dan mengikuti garis diagonal, maka dapat disimpulkan bahwa data yang
diperoleh berdistribusi normal. b
Analisis Statistik Pengujian normalitas yang didasarkan pada uji statistik non parametrik
Kolmogorov-Smirnov K-S. Apabila nilai Kolmogorov-Smirnov Z, Z
tabbel
atau nilai asymp.sig 2-tailed Alpa maka data dinyatakan berdistribusi normal. Cara pengambilan keputusan :
a Jika probabilitas 0,05, maka asumsi normalitas terpenuhi.
b Jika probabilitas 0,05, maka asumsi normalitas tidak terpenuhi.
Tabel 4.10 One-Sample Kolmogorov-Smirnov Test
Unstandardized Residual
N 80
Normal Parameters
a,,b
Mean .0000000
Std. Deviation 1.02197255
Most Extreme Differences
Absolute .097
Positive .076
Negative -.097
Kolmogorov-Smirnov Z .868
Asymp. Sig. 2-tailed .438
a. Test distribution is Normal.
b. Calculated from data
.
Sumber : Hasil Perhitungan SPSS 2011
Universitas Sumatera Utara
Tabel 4.10 memperlihatkan bahwa pada baris Asymp. Sig. 2-tailed adalah 0,438 atau probabilitas di atas 0,05 0,438 0,05, maka asumsi
normalitas terpenuhi.
2. Uji Heteroskedastisitas
Uji heteroskedastisitas digunakan untuk menguji apakah dalam model regresi terjadi ketidaksamaanperbedaan varians dari residual pengamatan yang lain.
Jika varians residual dari suatu pengamatan lain tetap, maka disebut homokedastisitas dan jika varian berbeda disebut heteroskedastisitas.
Heteroskedastisitas terjadi karena terjadi perubahan situasi yang tidak tergambarkan dalam spesifikasi model regresi. Heteroskedastisitas terjadi jika
residual tidak memiliki varian yang konstan. Model yang paling baik adalah tidak terjadi heteroskedastisitas.
Pemeriksaan terhadap gejala heteroskedastisitas adalah
a Analisis Grafik
dengan melihat pola pada grafik Scatterplot. Cara pengambilan keputusannya adalah sebagai berikut :
a. Jika grafik Scatterplot yang ada membentuk pola-pola tertentu
yang teratur maka regresi mengalami gangguan heteroskedastisitas. b.
Jika grafik Scatterplot tidak membentuk pola atau acak maka regresi tidak mengalami gangguan heteroskedastisitas.
Universitas Sumatera Utara
c.
Gambar 4.2 : Uji grafik Scatterplot
Sumber : Hasil Perhitungan SPSS 2011
Gambar 4.2 menunjukkan bahwa grafik Scatterplot tidak membentuk suatu pola atau acak, dengan demikian dapat dikatakan bahwa regresi tidak
mengalami gangguan heterokesdatisitas, sehingga model regresi layak dipakai. b
Analisis Statistik Uji heteroskedastisitas dapat juga dilakukan dengan Uji Glejser. Cara
pengambilan keputusan : a
Jika probabilitas 0,05 maka tidak mengalami gangguan heteroskedastisitas.
b Jika probabilitas
0,05 maka mengalami gangguan heteroskedastisitas.
Regression Studentized Residual
1 -1
-2 -3
R eg
re ss
io n
S ta
nd ar
di ze
d P
re di
ct ed
V al
ue
4 3
2 1
-1 -2
Scatterplot Dependent Variable: hasil belajar
Dependent Variable : Kinerja Karyawan
Universitas Sumatera Utara
Tabel 4.11 Uji Glejser
Coefficients
a
Unstandardized Coefficients
Standardized Coefficients
t Sig.
Model B
Std. Error Beta
B Std. Error
1 Constant
3,787 2,247
1,685 ,104
Komunikasi ,041
,137 ,055
,299 ,767
Gaya Kepemimpinan -,091
,055 -,331
-1,661 ,109
a Dependent Variable: Absut
Sumber : Hasil Perhitungan SPSS 2011 Tabel 4.11 memperlihatkan kolom Sig.Significance koefeisien regresi adalah
0,767 dan 0,109 atau probabilitas lebih besar dari 0,05, maka tidak terjadi gangguan heteroskedastisitas.
3. Uji Multikolinearitas
Multikolinearitas artinya terdapat korelasi linear sempurna atau pasti di antara dua atau lebih variabel independen. Artinya multikolinearitas
menyebabkan standar deviasi masing-masing koefisien regresi akan sangat besar sehingga membuat bias tingkat signifikan pengaruh variabel dependen.
Hal ini menyebabkan kesulitan dalam memisahkan pengaruh masing-masing variabel independen terhadap variabel dependen. Metode yang digunakan
untuk menguji ada tidaknya multikolinearitas adalah dengan menggunakan nilai Variance Inflation Factor VIF. Batas VIF adalah 5, artinya jika VIF
lebih besar dari 5, maka variabel tersebut mempunyai persoalan multikolinearitas dengan variabel bebas yang lainnya disimpulkan terjadinya
multikolinearitas.
Universitas Sumatera Utara
Tabel 4.12 Uji Multikolinieritas
Coefficients
a
Model Collinearity Statistics
Tolerance VIF
1 Constant Komunikasi
Gaya Kepemimpinan ,977
,977 1,023
1,023
a.
Dependent Variable: Kinerja Karyawan
Sumber : Hasil Perhitungan SPSS 2011 Tabel 4.12 memperlihatkan semua nilai variabel independent memiliki nilai
Tolerance 0,1 dan VIF 5. Hal ini berarti tidak terjadi multikolinieritas.
4.2.4 Uji Goodness of Fit R